KnownForecastingModels enum

Pacote:

@azure/arm-machinelearning

Valores conhecidos de ForecastingModels que o serviço aceita.

Campos

Arimax	Um modelo de Média Móvel Integrada Autoregressiva com Variável Explicativa (ARIMAX) pode ser exibido como um modelo de regressão múltipla com um ou mais termos AR (autoregressivos) e/ou um ou mais termos de média móvel (MA). Esse método é adequado para previsão quando os dados são estacionários/não estacionários e multivariam com qualquer tipo de padrão de dados, ou seja, nível/tendência /sazonalidade/ciclicity.
AutoArima	O modelo ARIMA (Auto-Autoregressive Integrated Moving Average) usa dados de série temporal e análise estatística para interpretar os dados e fazer previsões futuras. Esse modelo tem como objetivo explicar os dados usando dados de série temporal em seus valores passados e usa a regressão linear para fazer previsões.
Average	O modelo de previsão média faz previsões levando adiante a média dos valores de destino para cada série temporal nos dados de treinamento.
DecisionTree	Árvores de Decisão são um método de aprendizado supervisionado não paramétrico usado para tarefas de classificação e regressão. A meta é criar um modelo que preveja o valor de uma variável de destino aprendendo regras de decisão simples inferidas dos recursos de dados.
ElasticNet	A rede elástica é um tipo popular de regressão linear regularizada que combina duas penalidades populares, especificamente as funções de penalidade L1 e L2.
ExponentialSmoothing	A suavização exponencial é um método de previsão de série temporal para dados nãovariados que podem ser estendidos para dar suporte a dados com uma tendência sistemática ou componente sazonal.
ExtremeRandomTrees	Extreme Trees é um algoritmo de aprendizado de máquina de conjunto que combina as previsões de muitas árvores de decisão. Ele está relacionado ao algoritmo de floresta aleatória amplamente usado.
GradientBoosting	A técnica de transitar aprendizes de semana em um aprendiz forte é chamada de Boosting. O processo de algoritmo de aumento de gradiente funciona nessa teoria da execução.
KNN	O algoritmo KNN (vizinhos K mais próximos) usa "similaridade de recurso" para prever os valores de novos pontos de dados, o que significa ainda que o novo ponto de dados receberá um valor com base na proximidade com que ele corresponde aos pontos no conjunto de treinamento.
LassoLars	O modelo de laço se encaixa com Regressão de Ângulo Mínimo, também conhecido como Lars. É um Modelo Linear treinado com um L1 anterior como regularizador.
LightGBM	LightGBM é uma estrutura de aumento de gradiente que usa algoritmos de aprendizado baseados em árvore.
Naive	O modelo de previsão naive faz previsões levando adiante o valor de destino mais recente para cada série temporal nos dados de treinamento.
Prophet	O Prophet é um procedimento para prever dados de série temporal com base em um modelo aditivo em que tendências não lineares são adequadas com sazonalidade anual, semanal e diária, além de efeitos de feriados. Funciona melhor com séries temporais que têm fortes efeitos sazonais e várias temporadas de dados históricos. O Prophet é robusto para dados ausentes e mudanças na tendência, e normalmente lida bem com exceções.
RandomForest	A floresta aleatória é um algoritmo de aprendizado supervisionado. A "floresta" que ela constrói, é um conjunto de árvores de decisão, geralmente treinadas com o método "bagging". A ideia geral do método de ensacar é que uma combinação de modelos de aprendizagem aumenta o resultado geral.
SeasonalAverage	O modelo de previsão de Média Sazonal faz previsões levando adiante o valor médio da última temporada de dados para cada série temporal nos dados de treinamento.
SeasonalNaive	O modelo de previsão naive sazonal faz previsões levando adiante a última temporada de valores de destino para cada série temporal nos dados de treinamento.
SGD	SGD: descendente de gradiente stocástico é um algoritmo de otimização frequentemente usado em aplicativos de aprendizado de máquina para localizar os parâmetros de modelo que correspondem ao melhor ajuste entre saídas previstas e reais. É uma técnica inexata, mas poderosa.
TCNForecaster	TCNForecaster: Previsão de Redes Convolucionais Temporais. TODO: Peça à equipe de previsão uma breve introdução.
XGBoostRegressor	XGBoostRegressor: Extreme Gradient Boosting Regressor é um modelo de machine learning supervisionado usando o conjunto de aprendizes base.